opencv 识别数字python

要使用 OpenCV 在 Python 中识别数字，可以按照以下步骤进行：

1. 使用 OpenCV 的 `cv2.imread()` 函数加载数字图像。

2. 对于数字图像进行预处理，例如二值化、去噪等操作，以便更好地识别数字。

3. 使用 OpenCV 的 `cv2.findContours()` 函数查找数字图像中的所有轮廓。

4. 遍历所有轮廓，并使用 `cv2.boundingRect()` 函数计算每个轮廓的边界框。

5. 对于每个边界框，使用 `cv2.rectangle()` 函数将其可视化，并使用 `cv2.putText()` 函数将其标注为数字。

下面是一个简单的示例代码，可以识别数字图像并将其可视化：

import cv2

# 加载数字图像
img = cv2.imread('digits.png')

# 将数字图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对灰度图像进行二值化处理
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# 去除噪声
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=1)

# 查找数字图像中的所有轮廓
contours, hierarchy = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历所有轮廓并绘制边界框
for contour in contours:
    # 计算边界框
    (x, y, w, h) = cv2.boundingRect(contour)
    # 绘制边界框
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
    # 获取数字图像并将其标注为数字
    roi = opening[y:y + h, x:x + w]
    roi = cv2.resize(roi, (28, 28))
    roi = roi.astype('float32') / 255.0
    roi = roi.reshape(1, 28, 28, 1)
    cv2.putText(img, str(model.predict_classes(roi)[0]), (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)

# 显示结果图像
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，以上代码中的 `model` 是一个预先训练好的数字识别模型，可以使用 Keras 或 TensorFlow 等深度学习框架训练。如果没有训练好的模型，你可以使用 OpenCV 的 `cv2.ml.KNearest_create()` 函数训练一个简单的 kNN 分类器来识别数字。